Έργο - PRESEMT: Pattern REcognition-based Statistically Enhanced Machine Translation
ΕΡΓΑ

PRESEMT: Pattern REcognition-based Statistically Enhanced Machine Translation

Ημερομηνία έναρξης: 01-01-2010
Ημερομηνία λήξης: 31-12-2012
Χρηματοδότηση: ICT (FP7)
Επιστημ. υπεύθυνος: Γιώργος Ταμπουρατζής
Ιστότοπος έργου: http://www.presemt.eu
 

Το έργο PRESEMT (Pattern REcognition-based Statistically Enhanced MT) χρηματοδοτείται στα πλαίσια του θεματικού άξονα "ICT-2009.2.2: Language-based Interaction". Στοχεύει στη δημιουργία ενός ευέλικτου μεταφραστικού συστήματος, το οποίο βασιζόμενο σε μία γενική, ανεξάρτητη γλώσσας, μεθοδολογία, θα μπορεί εύκολα να χειρίζεται νέα γλωσσικά ζεύγη. Η εν λόγω μεθοδολογία επιχειρεί να υπερβεί γνωστά προβλήματα άλλων μεταφραστικών προσεγγίσεων όπως την ανάγκη συγκέντρωσης εκτενέστατων σωμάτων κειμένων ή δημιουργίας νέων κανόνων για κάθε νέο γλωσσικό ζεύγος. Στα πλαίσια του έργου θα διερευνηθεί το ζήτημα της αποτελεσματικής διαχείρισης πολυγλωσσικού περιεχομένου και θα αναπτυχθεί μία ανεξάρτητη γλώσσας μεθοδολογία, η οποία θα βασίζεται σε τεχνικές μηχανικής μάθησης.

Βασική καινοτομία

Το έργο PRESEMT προτείνει μία καινοτόμο προσέγγιση με την εισαγωγή στο χώρο της Μηχανικής Μετάφρασης τεχνικών από διάφορα επιστημονικά πεδία, κυρίως αυτά της Μηχανικής Μάθησης και της Υπολογιστικής Νοημοσύνης.

Για το σκοπό αυτό, θα αναπτυχθεί ένα ευέλικτο μεταφραστικό σύστημα, το οποίο θα εμπλουτισθεί με τεχνικές από το χώρο (α) της αναγνώρισης προτύπων (π.χ. συσταδοποίηση, νευρωνικά δίκτυα) για την ανάπτυξη μίας γενικής μεθοδολογίας και (β) των εξελικτικών αλγορίθμων (π.χ. Γενετικοί αλγόριθμοι ή Νοημοσύνη Σμηνών) για τη βελτιστοποίηση του συστήματος.

Χαρακτηριστικά

  • Ανάπτυξη μίας καινοτόμου μεθόδου, βασισμένης σε τεχνικές συσταδοποίησης, για την αντιστοίχηση φράσεων μεταξύ γλωσσικών ζευγών
  • Χρήση τεχνικών αναγνώρισης προτύπων για τον προσδιορισμό συντακτικής δομής
  • Αξιοποίηση τεχνικών που μιμούνται τα βιολογικά συστήματα για την άρση μεταφραστικών αμφισημιών
  • Εκτενής χρήση αυτόματων τεχνικών βελτιστοποίησης για τον προσδιορισμό μίας συστηματικής μεθόδου βελτιστοποίησης των παραμέτρων του συστήματος
  • Εφαρμογή μεθόδων μηχανικής μάθησης για την αυτόματη προσαρμογή του συστήματος στις απαιτήσεις του χρήστη
  • Χρήση παράλληλων υπολογιστικών αρχιτεκτονικών καθώς και πολυπύρηνων αρχιτεκτονικών για σημαντική βελτίωση στην ταχύτητα μετάφρασης
 
 

 Ερευνητικές περιοχές

Ενημερωτικό υλικό

 

 

Εταίροι: